Özyinelemeli Arama Modeli
Atıf Dağılımlarının Ampirik Karakterizasyonu
Aşağıda, alıntı dağılımlarını parametreleştirmek için ayrık güç yasasını kullanıyoruz. Karşılık gelen kaymayı ve eğimi yakalayan w ve ν uydurma parametrelerinin zamana bağlılığını gösterir. W kayması zamanla artar ve ∼10 yıl sonra doyuma ulaşır. ν üssü sürekli olarak azalır ancak doyuma ulaşmaz. Bu, 25 yıl sonra bile atıf dağılımlarının durağan olmadığı ve kuyruklarının gelişmeye devam ettiği anlamına gelir.
Böylece, atıf dağılımlarının uzun zaman sınırında sınırlayıcı bir şekil aldığına dair yaygın inanışın aksine, atıf dağılımlarının durağan olmadığını ve 25 yıl sonra bile sınırlayıcı bir şekle ulaşmadığını gördük. Durağan olmama nedeni ise yüksek atıf alan makalelerdir. Aşağıda gösterdiğimiz gibi, bu kağıtlar sonunda kaçak haline gelir.
Aslında, erken atıf dağılımları, log-normal veya ν = 4-5 ile ayrık üstel kanun dağılımı ile uydurulabilir. Büyük üs, bu dağılımların “geleneksel” olduğunu, yani kuyruklarının yalnızca küçük bir rol oynadığını gösterir. dağılımın ortalamasını ve varyansını belirlemede.
Zaman geçtikçe ve makaleler daha fazla alıntı topladıkça, alıntı dağılımları sağa kayar. Sıradan gazetelerin atıf kariyeri sona erdiğinde ∼10 yıl sonra bu değişim sona erer. Daha sonra, atıflar çoğunlukla dağılımın kuyruğunu oluşturan yüksek atıflı makaleler tarafından toplanır.
Dağılımın eğimi daha kademeli hale gelir, çünkü zaman geçtikçe kuyruk sağa doğru hızla hareket ederken dağılımın geri kalanı yavaşlar ve sonunda hareketsiz kalır. Kuvvet yasası üssü ν’nin zamanla azalmasının nedeni budur.
Sonunda, dağıtımın kuyruğu yalnızca atıf kariyeri süresiz olarak uzayan kaçak makalelerden oluşur. Kuyruk sağa doğru hareket etmeye devam ederken, dağılımın geri kalanı hiçbir zaman doygunluğa gelmeyecek ve sonunda içbükey olacak şekilde sabit kalır.
Peki, içbükey kuyruğu olan alıntı dağılımları neden bu kadar nadir? Atıf dağılımının içbükey bir kuyruğunu gözlemlemek için çok uzun bir zaman penceresi ve çok sayıda kaçak makale içeren çok büyük bir veri seti gerektirdiğini iddia ediyoruz.
Sunulan tüm setler arasında, 40.195 Fizik makalesinden oluşan en büyük set bile bu amaç için yetersizdir. Bununla birlikte, 1980-1989’da yayınlanan 10 kat daha büyük fizik makalesinin, gösterildiği gibi içbükey kuyruğu ortaya çıkarır.
Özyinelemeli Arama Modeli
Önceki yazılarımızda gösterdiğimiz gibi, modelimiz çeşitli disiplinler için atıf dağılımlarını başarılı bir şekilde yeniden üretir. Burada, ölçümler için erişilemeyen zaman penceresine ekstrapolasyon yapmak için bu modeli kullanıyoruz.
Sayısal olarak simüle edilmiş atıf dağılımlarının durağan hale gelmediğini ve yayınlandıktan 50 yıl sonra bile gelişmeye devam ettiğini gösterir. Bu, ampirik parametrenin, yani atıf dağılımının sözde üst kural kuyruğunun üssünün zamanla neden azaldığını ve doyuma ulaşmadığını açıklar.
Atıf dağılımlarının genel şeklinden modelin hangi parametreleri sorumludur? Erken atıf dağılımlarının uygunluk dağılımını taklit ettiğini zaten fark etmiştik. Fizik makaleleri için, birincisi μ = −1.48, σ = 1.12 ile lognormal olarak veya ν = 4 ile Waring dağılımı olarak temsil edilebilir. Her neyse, her iki uyum da dışbükey dağılımla sonuçlanır.
Sayısal simülasyon, zaman geçtikçe atıf dağılımının sağa kaydığını ve kuyruğunun düzleştiğini, öyle ki 2 < ν < 3 ile bir kuvvet yasası bağımlılığı gibi göründüğünü gösterir. Bu kuvvet kanunu benzeri bağımlılık 3 için geçerlidir. –Yayınlanmasından 20 yıl sonra ve bu nedenle alıntı dağılımları ayrı yetki yasasına başarıyla uyarlanmıştır.
Recursive fonksiyon örnekleri
Özyineleme nedir
C# recursive fonksiyon Örnekleri
Java recursive fonksiyon
Recursive fonksiyon C
Özyinelemeli algoritma nedir
Algoritma Analizi yerine koyma metodu
Özyinelemeli fonksiyonlar
Ancak, daha uzun zaman aralıkları ve büyük kağıt kümeleri için durum farklıdır. Simülasyonun t = 50 yıl olarak ekstrapolasyonu, uzun zaman sınırında dağılımın düz kalmak yerine içbükey hale geldiğini gösterir. Bu, ara zamanlarda atıf dağılımlarının düz kuyruğunun yalnızca geçici bir şekil olduğu anlamına gelir.
Durağan olmayan atıf dağılımlarından modelimizin hangi özelliği sorumludur? Aşağıda, bunun, atıf sayısı bağımlılığına göre artan dolaylı alıntı olasılığı P0 olduğunu gösteriyoruz. Gerçekte, gerçek P0(K) bağımlılığını bir sabitle, P0 = 0.54 ile değiştirdiğimiz sayısal simülasyon gerçekleştirdik.
Modelimiz hiçbir parametrenin K’ye bağlı olmadığı doğrusal bir modele indirgenir. Doğrusal modelin erken atıf dağılımlarını oldukça iyi açıklarken, geç dağıtımlarda sefil bir şekilde başarısız olduğunu gösterir. Doğrusal model, tüm zamanlar için aynı eğime sahip atıf dağılımları verirken, ölçülen atıf dağılımlarının eğimi zamanla sürekli olarak azalır.
Atıf Ömrü
Güç yasası alıntı dağılımlarını iddia eden önceki ampirik çalışmalar, bu dağılımların ölçekten bağımsız olduğunu ima etti. Elbette atıflar kesikli ve negatif olmadığından, bu dağılımların ortalama atıf sayısı gibi doğal bir ölçeği vardır.
“Ölçeksiz atıf dağılımı” ile genellikle M tarafından belirlenen mikroskobik ölçeğin yanı sıra makroskobik ölçeğin olmaması kastedilir. Özellikle, 1984’te yayınlanan Fizik makaleleri için, 2008 yılına kadar birikmiş ortalama alıntı sayısı M = 26’dır. ölçek, Şekil 8.1c’de görülebilir ve K < M için dağılımın dışbükey kısmından K > M için düz kuyruğa geçişe karşılık gelir.
Bu düz kuyruk K/M ∼ 3’ten K/M = 230’a kadar uzanır. Bu iki sayı arasındaki büyük fark ölçeksiz dağılımın bir göstergesi olarak kabul edilir. Ancak bu sadece bir göstergedir, bir kanıt değildir. Aşağıda, atıf dağılımlarının, gözden kaçan makalelerin başlangıcıyla ilişkili bir Kr ölçeğine sahip olduğunu gösteriyoruz. Bu gizli ölçek, atıf dağılımlarında neredeyse hiç görülmez, ancak makalelerin atıf yörüngelerini analiz ettiğimizde açıkça ortaya çıkar.
Bu amaçla, 1984’te yayınlanan 40.195 Fizik makalesi için sayısal simülasyonumuza geri dönüyoruz ve tek tek makalelerin atıf yollarına odaklanıyoruz. Bu yörüngeleri analiz ederek, ölçülen alıntı yörüngeleri için yaptığımız gibi alıntı ömrünü τ0 bulduk. Karşılık gelen eskime oranını gösterir, Γsim = 1/τ0. Simüle edilmiş Γsim, Γmeas ile oldukça uyumludur.
Özellikle, modelimiz belirli Kr’de azalan Γ (K) bağımlılığını ve atıf ömrünün sapmasını oldukça iyi yeniden üretir. Bu Kr, kaçakların başlangıcını karakterize eder ve ölçülen alıntı dağılımında düz kuyruğun içbükey kuyruğa dönüştüğü nokta olarak ayırt edilebilir.
Bu şaşırtıcı Γ (K) bağımlılığı, P0(K) bağımlılığından kaynaklanmaktadır. Aslında, P0 = const ile doğrusal bir model kullanan sayısal simülasyon, Γsim’in K ile yalnızca küçük K < 20’de azaldığını gösterir. Bu Γsim(K) bağımlılığı, alıntıların ayrık olması gerçeğinden kaynaklanır.
Aslında, bir makalenin atıf oranının son atıf oranına bağlı olduğu ayrı bir Hawkes sürecini tanımlar. Bu bağımlılık, dalgalanmaları artıran pozitif bir geri besleme sağlar ve küçük K için Γsim(K) bağımlılığını azaltmaktan sorumludur.
Ancak, K > 20 için bu tamamen istatistiksel etki ortadan kalkar ve Γs i m (K ) bağımlılığı bir düzlüğe ulaşır. Bu, tüm K için artan K ile düşmeye devam eden ölçülen Γmeas ile çelişir. Bu nedenle, doğrusal model K < 20 için ölçümlerimizi açıklarken, K > 20 için onlarla uyuşmaz.
Algoritma Analizi yerine koyma metodu C# recursive fonksiyon Örnekleri Java recursive fonksiyon Özyineleme nedir Özyinelemeli algoritma nedir Özyinelemeli fonksiyonlar Recursive fonksiyon C Recursive fonksiyon örnekleri
Son yorumlar